| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 绪论 | 第6-12页 |
| 1.1 研究背景 | 第6页 |
| 1.2 研究意义 | 第6-7页 |
| 1.3 研究现状分析 | 第7-9页 |
| 1.3.1 数据清洗研究现状 | 第7-8页 |
| 1.3.2 工业大数据清洗研究现状 | 第8-9页 |
| 1.3.3 存在的问题 | 第9页 |
| 1.4 研究内容及组织结构 | 第9-11页 |
| 1.5 本章小结 | 第11-12页 |
| 第二章 数据清洗基础理论和关键技术 | 第12-23页 |
| 2.1 数据质量和数据清洗 | 第12-15页 |
| 2.1.1 数据质量问题分类 | 第12-13页 |
| 2.1.2 数据清洗过程 | 第13-15页 |
| 2.2 相似重复记录清洗 | 第15-17页 |
| 2.2.1 字段相似检测算法 | 第15-16页 |
| 2.2.2 相似重复记录检测算法 | 第16-17页 |
| 2.3 缺省值清洗 | 第17-19页 |
| 2.3.1 缺失值清洗算法总体描述 | 第18页 |
| 2.3.2 缺失字段处理方式 | 第18-19页 |
| 2.4 离群点清洗 | 第19-22页 |
| 2.4.1 基于统计的离群点检测 | 第19-20页 |
| 2.4.2 基于距离的离群点检测 | 第20页 |
| 2.4.3 基于聚类的离群点检测 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 相似重复记录清洗方案 | 第23-38页 |
| 3.1 典型的数据清洗方案 | 第23页 |
| 3.2 相似重复记录清洗模型 | 第23-24页 |
| 3.3 数据预处理过程 | 第24-28页 |
| 3.3.1 属性选择及格式统一 | 第24-25页 |
| 3.3.2 记录排序 | 第25页 |
| 3.3.3 属性综合权重分配 | 第25-28页 |
| 3.4 重复记录检测 | 第28-32页 |
| 3.4.1 字段匹配算法 | 第28-30页 |
| 3.4.2 记录匹配算法 | 第30-32页 |
| 3.5 重复记录聚类 | 第32-36页 |
| 3.5.1 SNM算法工作原理 | 第32-33页 |
| 3.5.2 SNM算法分析 | 第33-34页 |
| 3.5.3 SNM算法改进详细过程 | 第34-36页 |
| 3.6 冲突解决 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 基于改进SNM算法的工业大数据清洗机制及仿真实验 | 第38-50页 |
| 4.1 工业大数据数据采集分析 | 第38-40页 |
| 4.2 工业大数据数据清洗架构 | 第40-41页 |
| 4.3 SNM算法在工业大数据中的应用 | 第41-43页 |
| 4.3.1 基于长度过滤的并行化实现 | 第41-42页 |
| 4.3.2 改进的SNM算法的并行化实现 | 第42页 |
| 4.3.3 SNM算法在工业大数据中的应用 | 第42-43页 |
| 4.4 实验设计与评价标准 | 第43-45页 |
| 4.4.1 实验数据集及参数设置 | 第43-44页 |
| 4.4.2 评价指标 | 第44-45页 |
| 4.5 算法测试结果及分析 | 第45-48页 |
| 4.5.1 基于长度过滤及综合权值的编辑距离算法 | 第45-47页 |
| 4.5.2 基于动态滑动窗口的SNM算法 | 第47-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间的研究成果 | 第54-55页 |
| 致谢 | 第55-56页 |